Abstract:
با شروع فصل بهار سیلابها به عنوان مهمترین مخاطره ژئومورفیک در سطح کشور مطرح میشوند که خسارتهای جانی و مالی فراوانی را به بار میآورند. حوضه آبریز الندچای واقع در شهرستان خوی و شمال غرب کشور نیز به دلیل موقعیت خاص جغرافیایی جزو حوضههای با پتانسیل بالای خطر وقوع سیل شناخته میشود. هدف از پژوهش حاضر مدلسازی تغییرات فضایی حساسیت خطر وقوع سیل در این حوضه با استفاده از مدل ترکیبی نوین FURIA-GA-LogitBoost میباشد. به همین منظور از 13 پارامتر مؤثر در وقوع سیل شامل لیتولوژی، گروههای هیدرولوژیکی خاک، شاخص پوشش گیاهی، کاربری اراضی، ارتفاع، شیب، جهت شیب، فاصله از آبراهه، تراکم آبراهه، بارش، شاخص رطوبت توپوگرافیک، شاخص قدرت آبراهه و شاخص حمل رسوب استفاده شده است. جهت اجرای مدل تحقیق از نرمافزار WEKA استفاده شده و نقشه نهایی حساسیت خطر وقوع سیل تهیه گردید. یافتههای پژوهش نشان میدهد مناطق پاییندست حوضه حساسیت بالایی را از نظر خطر وقوع سیل دارا میباشند. این مناطق محل تمرکز مهمترین اجتماعات انسانی حوضه آبریز (شهر خوی) و زمینهای کشاورزی و باغات میباشد که سیلاب بهعنوان یک مخاطره ژئومورفیک، تهدید جدی برای این مناطق محسوب میشود. بررسی میزان دقت نقشه نهایی با استفاده از منحنی ROC و سطح زیر منحنی (AUC) نشان داد که مدل به کار رفته در تحقیق به ترتیب با ضرایب 861/0 و 895/0 از نظر دادههای آموزشی و اعتبارسنجی از عملکرد خوبی در تهیه نقشه حساسیت خطر وقوع سیل برخوردار بوده است.
At the beginning of spring, floods are considered the most important geomorphic hazards in the country, which cause a lot of human and financial losses. Aland Chai basin located in Khoy city and northwest of the country is also known as one of the basins with high potential for flood risk due to its special geographical situation. The purpose of this study is to modeling spatial variation in flood risk susceptibility in this basin using the new ensemble model FURIA-GA-LogitBoost. For this purpose, 13 effective parameters in flood occurrence include lithology, soil hydrological groups, NDVI, land use, slope, aspect, elevation, distance to river, river density, precipitation, topographic wetness index, stream power index, and sediment transport index has been used.Aland Chai basin is study area which located between 38, 30´ and 38, 48´ N and between 44, 15´ and 45, 01´ E in the West Azerbaijan province. This basin has an area of 1147.30 km2 and it is situated in the north-western part of Iran. This basin is one of the sub-basins of the Aras River basin, which surface water flows into the Aras River after joining the grand Qotour River. Basin elevation variations are from 1093m in the Aland Chai River bed to 3638m above sea level in the Avrin Mountain (Rezaei Moghaddam et al., 2020). The Aland Chai basin has a mountainous structure, with more than 60% of its area forms mountainous and highlands. The climate of this basin is mostly influenced with western air masses, which are the source of moisture and rainfall in autumn, winter and spring.
Machine summary:
مدل سازي حساسيت خطر وقوع سيل در حوضه آبريز الندچاي بر پايه يک رويکرد طبقه بندي ترکيبي نوين (FURIA-GA-LogitBoost) توحيد رحيم پور١ – دکتري ژئومورفولوژي، دانشگاه تبريز، تبريز، ايران محمدحسين رضائي مقدم – استاد گروه ژئوموفولوژي، دانشگاه تبريز، تبريز، ايران سيد اسداله حجازي – دانشيار گروه ژئومورفولوژي، دانشگاه تبريز، تبريز، ايران خليل وليزاده کامران – استاد گروه سنجش ازدور و GIS، دانشگاه تبريز، تبريز، ايران تاريخ دريافت : ١٤٠٠/٩/٢٢ تاريخ بازنگري: ١٤٠٠/١١/٣٠ تاريخ تصويب : ١٤٠٠/١٢/٨ چکيده با شروع فصل بهار سيلاب ها به عنوان مهم ترين مخاطره ژئومورفيک در سطح کشور مطـرح ميشـوند کـه خسارت هاي جاني و مالي فراواني را به بار ميآورند.
بررسي ميزان دقت نقشه نهايي با استفاده از منحني ROC و سطح زير منحني (AUC) نشان داد که مدل به کار رفته در تحقيق بـه ترتيب با ضرايب ٠/٨٦١ و ٠/٨٩٥ از نظر داده هاي آموزشي و اعتبارسنجي از عملکرد خوبي در تهيه نقشـه حساسيت خطر وقوع سيل برخوردار بوده است .
توفيق لو اسلام ٧ و همکاران (٢٠٢١) مدل هاي بـه کـار رفتـه جهت تهيه نقشه هاي حساسيت سيل خيزي را با بررسي تحقيقات مرتبط بـا سـيل بـه ٤ دسـته طبقه بنـدي کرده انـد کـه شامل ١- مدل هاي مبتني بر دانش کارشناس مثل مدل فرآيند تحليل سلسله مراتبي (AHP) ٢- مدل هاي مبتني بـر آمـار 1 Charlton 2 Aksoy et al 3 Tien Bui et al 4 Costache et al 5 Alexander 6 Alfieri 7 Towfiqul Islam از قبيل نسبت فراواني (FR)، ارزش اطلاعات ، ضريب اطمينان ، رگرسيون لجستيک ، وزن شواهد، منطـق فـازي، منطـق فازي عصبي ٣- الگوريتم هاي يادگيري ماشين و ٤- مدل هاي هيدرولوژيکي از قبيل SWAT و HEC-RAS هستند.